典型文献
基于深度学习方法的食管癌术后调强放疗三维剂量分布预测
文献摘要：
目的:构建一种深度学习网络模型预测食管癌调强放疗的三维剂量分布.方法:取100例中上段食管癌术后患者的调强放疗计划为研究对象,以患者计划的计算机断层扫描(CT)图像、靶区和危及器官的勾画图像以及适形射束信息作为输入数据,调强适形放射治疗(IMRT)的三维剂量分布作为输出数据,通过搭建的3D U-Res-Net混合网络进行训练并得到预测模型,利用该模型对测试集进行三维剂量预测.采用平均预测偏差-δ、平均绝对误差(MAE)、戴斯相似性系数(DSC)和豪斯多夫距离(HD95)评价预测结果的精确性.结果:测试集的平均预测偏差为-0.23％～0.78％,MAE为1.67％～3.07％,两组计划等剂量面DSC均值大于0.91,尤其30 Gy以下的DSC达到0.95以上,平均HD95为0.51～0.73 cm.预测计划的剂量学参数均在临床允许的范围之内且相对剂量偏差小于2％,除靶区D2、脊髓Dmax、全肺V30差异有统计意义外(P<0.05),其余剂量学参数差别不大.结论:本研究构建的3D U-Res-Net深度学习网络模型可以实现对食管癌术后IMRT三维剂量分布的精确预测.
文献关键词：
深度学习;食管癌;调强放疗;剂量分布预测
中图分类号：
作者姓名：
王文成;周解平;张朋;吴爱林;吴爱东
作者机构：
安徽医科大学生物医学工程学院,安徽合肥230032;中国科学技术大学附属第一医院放疗科,安徽合肥230001
文献出处：
引用格式：
[1]王文成;周解平;张朋;吴爱林;吴爱东-.基于深度学习方法的食管癌术后调强放疗三维剂量分布预测)[J].中国医学物理学杂志,2022(02):133-138
A类：
三维剂量分布预测
B类：
深度学习方法,食管癌术后,后调,深度学习网络,中上段,术后患者,调强放疗计划,划为,计算机断层扫描,靶区和危及器官,勾画,画图,输入数据,调强适形放射治疗,IMRT,Res,Net,混合网络,测试集,剂量预测,预测偏差,平均绝对误差,MAE,相似性系数,DSC,豪斯多夫距离,HD95,评价预测,精确性,Gy,剂量学参数,参数均,剂量偏差,D2,脊髓,Dmax,V30,统计意义,义外,研究构建,精确预测
AB值：
0.297223
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
